非结构化数据模型

4.5  非结构化数据模型

大多数的信息是非结构化的，包括纸质的文件、报告、视频和音频文件、照片、传真件、信件等。在信息化银行建设过程中，所处理的数据除了常见的结构化数据外，还有大量的非结构化数据。

非结构化数据包含复杂的内容，并具有不同的结构特点，传统关系数据库无论从描述能力上还是从管理数据的规模上，都无法应对非结构化数据管理的要求。因此，需要专门针对非结构化数据特点，研究建立一种新的管理技术。

数据模型是数据管理的核心。数据模型定义了数据描述结构、数据操作方法以及数据完整性约束条件。基于数据模型，可以建立可扩展的数据存储模型，使数据能够以某种结构和方式进行存储与读取；可以建立面向上层应用的灵活多样的数据操作模型，支持用户对数据的高效访问。非结构化数据管理与传统结构化数据管理的目标是相同的，即支持数据的永久保存、快速有效的数据读取操作，从而有效地支持上层应用和用户的数据处理逻辑。因此，在非结构化数据管理中，建立有效的数据模型，仍然是达到数据管理目标的核心和关键。现有的非结构化数据模型主要有关系模型、扩展关系模型、面向对象模型、E-R模型以及分层式数据模型等。这些模型存在扩展性与复杂性方面的问题，而在面向大数据时这些问题更加突出，因此无法胜任大数据的管理。

非结构化数据例如文本、图形、图像、音频和视频等，从内容上没有统一的结构，数据是以原生态形式保存的，因此计算机无法直接理解和处理。为了对不同类型的非结构化数据进行处理，所采用的基本思路是对这些非结构化数据进行描述，基于描述性信息实现对非结构化数据内容的管理和操作。对于非结构化数据的描述，目前有三类：基于关键字的语义描述；基于底层特征的描述；基于概念的语义描述。因此，一个非结构化数据可以由基本属性、语义特征、底层特征以及原始数据四个部分构成，而且四个部分的数据之间存在各种联系。

基于上述对非结构化数据的分析，可以使用学术界提出的四面体模型。四面体模型由一个顶点，四个刻面和刻面之间的交线组成，如图4-12所示。